Python 3.x MNIST张量流示例

这是Tensorflow网站上教程中的代码

我有两个问题：

1） k-size是一个长度大于4的整数列表，表示最大池窗口的大小。考虑到这是一个2X2的窗口，这不应该是[2,2]吗？我是说为什么它是[1,2,2,1]而不是[2,2]

2） 如果我们在一号上迈出了一大步。为什么我们需要4个值的向量，一个值不够吗

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

3） 如果padding='SAME'，为什么图像大小会减少一半？（在第一个卷积过程中从28 X 28到14 X 14）

我不确定您在这个问题中所指的是哪些文档。maxpool窗口实际上是2x2

步长可以根据尺寸的不同而不同。4矢量是最常见的情况，假设您希望跳过批处理中的图像，跳过不同的高度和宽度，甚至可能基于通道跳过。这几乎没有被使用，但却被保留了下来

如果沿每个方向的跨步为2，则跳过可能用于最大池的其他每个像素。如果将skip size设置为[1,1,1,1]，且填充相同，则确实会返回相同大小的结果。padding“SAME”指的是对图像进行零填充，以便向图像添加高度为kernel hight的边框和大小为kernel width的边框

strides = [1]